大数据在快速发展当中，基于大数据业务的开展，需要更多的专业人才加入，这也带动了很多想要培训学习，加入大数据行业发展。但是因为自身没有基础，不知道该怎么学起。今天的我们就来聊聊0基础大数据学习，需要学些什么内容？
1、Java语言基础 整个大数据开发技术栈，主要包含了离线计算和实时计算两大部分，而整个大数据生态中的框架绝大部分都是用Java开发或者兼容了Java的API调用，那么作为基于JVM的第一语言Java就是我们绕不过去的坎，Java语言的基础也是我们阅读源码和进行代码调优的基础。Java需要掌握语言基础、锁、多线程、并发包中常用的并发容器（J.U.C）等。 2、Linux基础 作为大数据开发的主要环境，Linux也是必须掌握的。了解Linux的常用命令、远程登录、上传*载下**、系统目录、文件和目录操作、Linux下的权限体系、压缩和打包、用户和组、Shell脚本的编写、管道操作等，是基础要求。 3、分布式理论 掌握分布式基本概念，集群（Cluster）、负载均衡（Load Balancer）等；掌握分布式理论基础，一致性、2PC和3PC、CAP、时间、时钟和事件顺序、Paxos、Raft、Zab、选举、多数派和租约等。 3、大数据框架网络通信基石——Netty Netty是当前最流行的NIO框架，Netty在互联网领域、大数据分布式计算领域、游戏行业、通信行业等获得了广泛的应用，业界著名的开源组件只要涉及到网络通信，Netty是最佳的选择。 4、离线计算 Hadoop体系是我们学习大数据框架的基石，尤其是MapReduce、HDFS、Yarn三驾马车基本垫定了整个数据方向的发展道路，也是后面我们学习其他框架的基础。OLAP引擎HiveHive是一个数据仓库基础工具，在Hadoop中用来处理结构化数据。它架构在Hadoop之上，总归为大数据，并使得查询和分析方便。列式数据库Hbase它是Hadoop的生态系统，提供对数据的随机实时读/写访问，是Hadoop文件系统的一部分。 5、实时计算 分布式消息队列KafkaKafka是最初由Linkedin公司开发，是一个分布式、支持分区的（partition）、多副本的（replica）的分布式消息系统，它的最大的特性就是可以实时的处理大量数据以满足各种需求场景。SparkSpark是专门为大数据处理设计的通用计算引擎，是一个实现快速通用的集群计算平台。它扩展了广泛使用的MapReduce计算模型。高效的支撑更多计算模式，包括交互式查询和流处理。FlinkApache Flink是大数据处理领域最近冉冉升起的一颗新星，其不同于其他大数据项目的诸多特性吸引了越来越多人的关注。掌握Flink集群的搭建、Flink的架构原理、Flink的编程模型是基本要求。